钛钢复合板在电力、化工、船舶等领域有着非常广泛的应用,目前国内电力设计院设计的烟筒钢内筒大部分选择钛钢复合板,因为其有着良好的耐腐蚀性能和较低的材料成本。但为了保护大气,电厂或电力研究院普遍对烟气采用湿法脱硫,这会产生一定浓度的稀硫酸溶液,进而腐蚀钛钢复合板,如果钛钢复合板在焊接时有很多焊接缺陷,则会造成安全上的隐患,因此对钛钢复合板焊缝的定性检测已势在必行。如今,焊缝缺陷的定位与定量方法已经比较成熟,而对缺陷的定性分析还没有获得满意的效果。因此,对焊缝缺陷的定性识别,对电厂烟筒的有效运行和使用寿命有重要意义。本文对无损检测和超声波探伤技术的发展、原理做了分析和总结,并结合实际工业背景噪声,分别提出了基于概率神经网络(PNN)的多特征探伤识别技术与基于随机共振的微弱信号探伤识别技术。基于PNN的多特征探伤识别技术应用级联原子库提取回波多特征方法大大提高了识别准确度,PNN网络检测到的频率特性为基于随机共振探伤识别技术提供先验信息,可大大提高探伤的实现速率和准确度。这两种技术为烟筒钛钢复合板超声波探伤定性分析提供了可行方法,具有重要的现实意义。基于概率神经网络的多特征探伤识别技术,在多元素联合消除背景环境造成的干扰后,利用离散余弦变换(DCT)观测基与Noiselet观测基,重构受焊缝冲击响应影响的高频与低频特性,并在级联原子库下分解重构信号,得到时频域的一组特征向量,作为神经网络算法的多特征识别的前提。回波基于级联原子库的时频域分析克服了在传统时域或频域中特征单一的缺陷,有效降低了目标的误判概率。具有线性学习特征的概率神经网络降低了计算复杂度,同时仍保持非线性算法的高精度等特性,在速度、正确率等方面都要优于BP神经网络、RBF神经网络。实验验证了基于概率神经网络在工程上能够为焊缝缺陷类型的识别提供决策参考。烟囱对超声波造成的多径效应,手持超声设备的微弱移动引起多普勒频移,以及工业场所的背景噪声包含的脉冲噪声等,使得接收到的回波信号信噪比降低,而随机共振在弱信号提取方面具有独特的优势。由于未焊透、裂纹、气泡、夹渣四种探损回波的频率成分不同,在通过上述方法获取频率先验信息的情况下,本文针对在强噪声包含多个微弱频率成分、不满足绝热近似假设的特点,建立扫频式随机共振检测系统,并提出一种分区大参数多频信号的检测方法用来识别烟囱四种损伤。本文实验中,使用CTS-9002超声波探伤仪,对现场给定焊缝进行探伤测试,为后期焊缝的定性分析提供丰富的数据。实验表明,在实际探伤检测背景噪声下,两种技术均能成功的检测出未焊透、裂纹、气泡、夹渣四种伤损,为烟囱修复工作明确信息。